文献

J-GLOBAL ID：201802222918123962   整理番号：18A0441108

クラウドベース対話システムにおける音声言語理解を改善するためのASR自由エンドツーエンドモデリングの調査【Powered by NICT】

Exploring ASR-free end-to-end modeling to improve spoken language understanding in a cloud-based dialog system

著者 (7件)： Qian Yao (Educational Testing Service Research, USA) ,  Ubale Rutuja (Educational Testing Service Research, USA) ,  Ramanaryanan Vikram (Educational Testing Service Research, USA) ,  Lange Patrick (Educational Testing Service Research, USA) ,  Suendermann-Oeft David (Educational Testing Service Research, USA) ,  Evanini Keelan (Educational Testing Service Research, USA) ,  Tsuprun Eugene (Educational Testing Service Research, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ASRU  ページ： 569-576  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 対話システムにおける話し言葉理解(SLU)は一般的に自動音声認識(ASR)システムにより生成された仮説に基づく自然言語理解(NLU)モデルを用いて行った。しかし,準最適オーディオ特性をしばしば実際のユーザ環境におけるゼロから構築した新しい音声対話応用と,ASR性能は,訓練データの不足またはトレーニング及びテストデータ間のミスマッチのような因子により悪くなり得る。この問題を解決するために,本論文では,クラウド,モジュラ音声対話システム(SDS)のSLUにASR自由,エンドツーエンド(E2E)モデリングアプローチを提案した。会話言語学習の応用と相互作用するノンネイティブ英語話者から収集したクラウドソーシングデータ上で提案アプローチの有効性を評価した。実験の結果,提案方式は低いASR精度で状況に特に有望であることを示した。E2Eシステムからのスコアを融合することにより,より正確なASR仮説と洗練されたCNNに基づくSLUシステムの性能をさらに向上させることができ,すなわち,SLUの全体精度は85.6%から86.5%に改善された。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *エンドツーエンド方式 ,  話し言葉 ,  会話 ,  不整合 ,  モデル ,  英語
準シソーラス用語： 話者 ,  言語学習 ,  音声対話システム ,  訓練データ ,  音声対話 ,  自然言語理解 ,  自動音声認識 ,  *音声言語理解 ,  *対話システム , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (6件)： 対話システム ,  音声言語理解 ,  ASR ,  エンドツーエンド ,  モデリング ,  調査